Вестник_6_2021. Научный журнал
 Скачать 7.42 Mb.
|
|
References Akinfeeva, E. V. (2016). Analysis of Skolkovo startup companies from the standpoint of the dominance of scientifi c and (or) technological components in them. Strategicheskoe planirovanie i razvitie predpriyatij. Materialy Semnadcatogo vserossijskogo simpoziuma, 13–16. Alekseeva, O. A. et al. (2019). Innovative economy and technological entrepreneurship. Sankt-Peterburgskij nacional'nyj issledovatel'skij universitet informacionnyh tekhnologij, mekhaniki i optiki. Sankt-Peterburg: Universitet ITMO. Barinova, V. P. et al. (2020). National report “High-tech business in the regions of Russia”. RANEPA, AIRR. Blank, S., & Dorf, B. (2019). Startup: The Founder's Handbook. Al'pina Pablisher. Bogachek, N. L., & Bogachek, A. L. (2020). Practical tools for holistic marketing of technology start-ups. Vestnik Samarskogo municipal'nogo instituta upravleniya, 4, 49–55. Bystrov, O. F. (2019). Technological entrepreneurship: risk of startup failure. Ekonomicheskie i social'no-gumanitarnye issledovaniya, 1(21), 25-30. DOI: 10.24151/2409- 1073-2019-1-25-30 Vavilova, T. S. (2019). The competence model of a top manager of a technology startup. Social'no-ekonomicheskoe upravlenie: teoriya i praktika, 1(36), 8–10. Vasil'eva, E. V., & Pestryakov, P. P. (2018). Application of business analytics methods in the organization of the recruitment process in technology startups. Upravlenie, 6(3), 6 6 45–54. Dudin, M. N., & Ivashchenko, N. P. (2016). Strategic management of innovative development of enterprise structures in the context knowledge economy. Ekonomika i predprinimatel'stvo, 2-2(67), 907–914. Elina, N. S., Kovaleva, M. V., Silakova, L. V., & Shirokova, V. V. (2018). Research on management features of a technological start-up. Russian Journal of Entrepreneurship, 1(19), 217–232. Zemcov, S. P., & Baburin, V. L. (2019). Entrepreneurial ecosystems in the russian regions. Regional'nye issledovaniya, 2, 4–14. DOI:10.5922/1994-5280-2019-2-1 Kazakov, A. I., & Alekperova, S. T. (2017). Creation of fi nancial and technological platform for implementation of the full life cycle of start-projects (from idea to stable functioning). V sbornike: Cifrovye tekhnologii v obrazovanii, nauke, obshchestve. Materialy XI (1) vserossijskoj nauchno-prakticheskoj konferencii, 69–71. Ksenofontova, T.Yu. et al. (2018). In search of technological breakthroughs: why are there few successful startups in Russia? Umnye tekhnologii v sovremennom mire. Materialy yubilejnoj vserossijskoj nauchno-prakticheskoj konferencii, posvyashchennoj 75-letiyu YUzhno-Ural'skogo gosudarstvennogo universiteta, 132–138. Kuznecova, A. S., & Prasolov, V. I. (2018). Specifi cs of risk management in startup projects. Evrazijskij yuridicheskij zhurnal, 2(117), 335–337. Technological Entrepreneurship Market in Russia-2020. (2021). BIT. Biznes & Informacionnye tekhnologii, 1 (104), 32–35. Solodikhina, A. A., & Solodikhina, M. V. (2021). The techno-startup course of the school of entrepreneurship as an introduction to innovation. Journal Of Modern Competition, Т. 15, 2(82), 132–143. DOI: 10.37791/2687-0657-2021-15-2-132-143 Sudarushkina, I. V., & Stefanova, N. A. (2017). The infl uence of the acceleration program on the eff ectiveness of the startups and the scientifi c potential of the youth. Karelian Scientific Journal, Т. 6, 1(18), 94–96. Trufanov, S. A. (2020). Comparative analysis of approaches to defi ning a startup in Russia and the united states. Journal U. Economy. Management. Finance, 2, 137–143. Fedoseeva, A. I., & Timofeeva, O. V. (2020). Forecasting of the fi nancial state of a startup at the early stage of development. Synergy of Sciences, 52, 349–356. Yakovleva, E. V., & Markin, V. S. (2019). Organization of a technology startup in industry. Digital region: experience, competencies, projects. Proceedings of the II International Scientific and Practical Conference, 800–803. 137 ВЕСТН. МОСК. УН-ТА. СЕР. 6. ЭКОНОМИКА. 2021. № 6 ОТРАСЛЕВАЯ И РЕГИОНАЛЬНАЯ ЭКОНОМИКА С. В. Щелокова 1 МГУ имени М. В. Ломоносова (Москва, Россия) В. А. Вертоградов 2 МГУ имени М. В. Ломоносова (Москва, Россия) УДК: 338.001.36 МАТРИЦА SV: ИНСТРУМЕНТ СТРАТЕГИЧЕСКОГО КОНКУРЕНТНОГО АНАЛИЗА C УЧЕТОМ УРОВНЯ ДОМИНИРОВАНИЯ В данной статье рассматриваются актуальные инструменты для оценки уровня доминирования в отраслях (индекс концентрации (CR), коэффициент Линда (L), ко- эффициент Холла—Тайдмана (HT), индекс Херфиндаля—Хиршмана (HHI), выявля- ются ограничения существующего инструментария, и предлагается его модификация на основе разработанной матрицы SV, позволяющей дать дополнительные характе- ристики конкурентной ситуации на разных рынках. На основе данных ренкинга РАЕХ за 2020 г. по четырем отраслям (консалтинг, аудит, аутсорсинг, информационные технологии) авторы предложили модификацию алгоритмов применения классических индексов с целью проведения сравнительного анализа уровня доминирования на разных отраслевых рынках. Для проведения комплексного стратегического конкурентного анализа на основе модифицированных индексов в статье было предложено использо- вать матрицу SV, позволяющую наглядно отразить для разных рынков сравнительной уровень доминирования, а также доли рынка, контролируемые ведущими компани- ями. Данная методика была апробирована на основе данных по 90 отраслям россий- ской промышленности (по данным официальной отчетности за 2020 г.) и позволила выявить наличие доминирующих групп в 31 отрасли, оценить их размеры и внутрен- нюю дифференциацию, что позволило сравнить отрасли их между собой. Матрица SV расширяет инструментарий стратегического анализа, позволяя оценить не только уровень конкуренции на рынке и наличие доминирующих игроков в отрасли, но и уровень дифференциации компаний внутри доминирующей группы. В результате применения данной матрицы можно проанализировать особенности рынка (как для компаний, которые уже присутствуют на рынке, так и для компа- ний, которые только планируют выйти на данный рынок), а также сделать выводы относительно успешного стратегического поведения компаний на данном рынке. 1 Щелокова Светлана Викторовна — к.э.н., доцент экономического факультета МГУ имени М. В. Ломоносова; e-mail: shcholokova@gmail.com, ORCID: 0000-0002-7233- 1322. 2 Вертоградов Владимир Александрович — руководитель учебно-научной лаборатории «Проект МАХ» экономического факультета МГУ имени М. В. Ломоносова; e-mail: vertogra- dov@econ.msu.ru, ORCID: 0000-0002-2986-0886. 138 Ключевые слова: конкурентный анализ, стратегический анализ, доминиро- вание в отрасли, интенсивность конкуренции, экономическое доминирование, матрица SV. Цитировать статью: Щелокова, С. В., & Вертоградов, В. А. (2021). Матрица SV: инструмент стратегического конкурентного анализа c учетом уровня доминирования. Вестник Москов- ского университета. Серия 6. Экономика, (6), 137–162. https://doi.org/10.38050/01300105202167. S. V. Shchelokova Lomonosov Moscow State University (Moscow, Russia) V. A. Vertogradov Lomonosov Moscow State University (Moscow, Russia) JEL: L13, L20 SV MATRIX: STRATEGIC COMPETITIVE ANALYSIS TOOL BASED ON DOMINANCE LEVEL This article addresses current tools for assessing the level of dominance in industries (Concentration Index (CR), Lind Index (L), Hall-Tideman Index (HT), Herfindahl– Hirschman Index (HHI)), identifies the limitations of the existing toolkit, and proposes its modification based on the developed SV Matrix, which allows analyzing the competitive situation on different markets. Drawing on the RAEX ranking of 2020 for four industries (consulting, audit, outsourcing, information technology), the authors propose classical indices modification algorithms to conduct a comparative analysis of the dominant level on different markets. To conduct a strategic competitive analysis based on modified indices, the article proposes to use the SV Matrix, allowing to reflect the comparative dominant level for different markets, as well as market shares controlled by leading companies. The technique is tested on the sample of 90 Russian industries (according to 2020 official reports) and allows to identify the presence of dominant groups in 31 sectors, assess their size and inner differentiation that resulted in comparative analysis of industries. The SV Matrix expands the toolkit for strategic analysis, allowing to assess not only the competition level in the market and the presence of dominant players in the industry, but also the differentiation level for companies within the dominant group. Applying this matrix help analyze the characteristics of the market (both for the companies already in the market and those just planning to enter it) and draw conclusions regarding the strategic behavior of companies. Keywords: competitive analysis, strategic analysis, industry dominance, competition intensity, economic dominance, SV Matrix. To cite this document: Shchelokova, S. V., & Vertogradov, V. A. (2021). SV matrix: strategic competitive analysis tool based on the dominance level. Moscow University Economic Bulletin, (6), 137–162. https://doi.org/10.38050/01300105202167. 139 Введение Традиционно при анализе ситуации на рынке выделяют монополию, монополистическую конкуренцию, олигополию и свободную конкурен- цию. Данный подход может быть эффективен для обучения и построе- ния экономических моделей, но не всегда хорошо отражает сложивши- еся на рынки реальные институциональные условия функционирования компаний, когда часть компаний обладает дополнительными преимуще- ствами по сравнению со всеми остальными компаниями и может вли- ять на рыночные стандарты и принятые на рынке «правила игры». Из- вестным примером такой ситуации является рынок аудита, где домини- руют так называемые компании «большой четверки» — BIG4 — четыре крупные международные аудиторские группы. Несмотря на отсутствие обязательных требований по выбору именно этих компаний для прове- дения аудита, существуют неформально принятые на рынке принципы, что крупные компании, особенно действующие не только на локальном рынке, выбирают именно компании BIG4, так как их стандарт качества на международном уровне признается банками, регуляторами, инвесто- рами и другими стейкхолдерами. Фактически можно говорить, что все остальные аудиторские компании считаются компаниями «второго эше- лона», так как на их долю приходится относительно незначительная доля рынка, а основную делят между собой эти четыре компании. Например, в России по итогам 2020 г. компании BIG4 занимают 73,45% рынка ау- дита, который в целом оценивается в 41,351 млрд руб., а пятая по выручке аудиторская компания отличается наименьшей из «большой четверки» более чем в три раза 1 Согласно теории экономического доминирования (Блохин и др., 2019) ведущие на рынке компании называют альфа, так как они ис- пользуют для своего лидерства не только классические рыночные инст- рументы конкуренции (цена, качество, величина предложения и пр.), но еще и институциональные факторы — преимущественно близость к государству и к менее дорогим источникам финансирования. И если данные компании в силу естественных или искусственных причин при- знаны лидерами рынка, работают по единым стандартам и в близком ценовом сегменте, то с точки зрения классической экономики рынок аудита можно называть или олигополией (если отдельно рассматривать рынок аудита, представленный компаниями BIG4), или, как это ни па- радоксально, рынком почти свободной конкуренции, так как на том же российском рынке аудита представлены 117 крупных и средних ком- паний, несколько тысяч небольших и формально можно заказывать ау- дит у любой их них. 1 ООО «Рейтинговое агентство Эксперт». https://raex-a.ru/researches/auditors/2020 140 Но с точки зрения заказчика, который стоит между выбором аудитор- ских услуг признанных компаний по высоким ценам и относительно де- шевых услуг, но оказываемых компаниями «второго эшелона», ситуация несущественно отличается от неформальной олигополии группы компа- ний BIG4. Если группа доминирующих альфа-компаний сильно диффе- ренцирована по выручке (например, лидер контролирует 50%), то ситуация требует дополнительного изучения: возможно, среди нескольких альфа- компаний существует доминирующий игрок, либо это особенности ста- тистического расчета, когда, например, в единую отрасль объединены ли- деры разных рынков, и говорить о доминировании в отрасли нет смысла, так как для покупателей компании не являются конкурентами. Как правило, выделить группу альфа-компаний можно на основе субъективных оценок экспертов конкретного рынка (Манченко, 2020; Студников, 2021; Часовиков, 2021), методов ранг-размерного анализа (Блохин, Лихачев, 2021), сравнения по показателям выручки и темпам ее роста (Суслова и др., 2021), но официальных рейтингов или критериев отбора альф пока не существует, так как на каждом рынке могут быть исторически разного вида институциональные барьеры, известные всем «внутри», но неочевидные для внешних игроков. Цель данной статьи — предложить алгоритм определения альфа-компаний с использованием статистических индексов, позволяющих оценить уровень дифференциа- ции рынка и структуру доминирующей группы, чтобы объективно опре- делить наличие в отрасли доминирующих альфа-игроков и конкуренцию внутри альфа-группы. Анализ актуальных инструментов для оценки уровня доминирования В настоящее время предложено большое количество инструментов для оценки уровня конкуренции и доминирования компаний на том или ином рынке. Среди таких показателей часто упоминают индекс кон- центрации (СR), индекс Херфиндаля—Хиршмана (HHI), коэффициент относительной концентрации, дисперсию рыночных долей, коэффициент Джини, индекс Холла—Тайдмана (HT), индекс Линда (L), коэффициент энтропии и др. Все эти индексы достаточно хорошо изучены и обладают рядом ограничений, которые необходимо учитывать при их применении. Один из наиболее простых индексов, используемых для оценки кон- центрации, — индекс концентрации CR. Он показывает совокупную долю наиболее крупных компаний, но практически не учитывает важные фак- торы: во-первых, то, насколько неравномерны доли этих компаний , а во- вторых, не всегда понятно, доли какого количества компаний нужно учи- тывать, поэтому это число всегда определяется экспертно (Коцофана, Стажкова, 2011). 141 Индекс Линда (Linda, 1976) является общепризнанным индексом опре- деления числа доминирующих фирм на рынке и используется для опреде- ления наличия олигополии. Возможность применения индекса Линда, ко- торый рассчитывается на основе рыночных долей, для выделения группы альфа-компаний будет проверена в данной статье. Значительно сложнее выбрать индексы для определения дифференци- ации в доминирующей группе. Индексы Херфиндаля—Хиршмана (HHI) и Холла—Тайдмана (HT) широко известны, но обладают рядом известных недостатков для небольших выборок, так как их минимальное значение обратно пропорционально количеству компаний в выборке, и требуют точной информации обо всех игроках рынка, чтобы сумма их долей была равна единице. Также значение индекса HHI зависит не только от пол- ноты информации о рынке, но и от количества рассматриваемых игроков (Hirschman, 1964), в связи с чем можно получить одинаковые значения ин- декса для совершенно разных ситуаций на рынке, что не позволяет срав- нивать рынки между собой (Светунько в, 2016). Коэффициенты, не учи- тывающие ранг компании на рынке (коэффициент вариации, индекс Джинни, дисперсия рыночных долей, коэффициент энтропии), меньше подходят для оценки уровня доминирования, так как показывают в той или иной степени отклонения от среднего и не чувствительны для боль- ших разрывов в рыночных долях. Методология исследования Как показано выше, все существующие инструменты помогают про- анализировать какой-то один параметр: уровень концентрации отрасли или степень дифференциации ее игроков. Но для принятия стратегических решений компании необходим инструмент для комплексной оценки обоих параметров. Лучше всего для этой цели дополняют друг друга CR и HT, но они не позволяют сравнить отрасли между собой, в связи с чем требуют модификации. В рамках изучения каждой отрасли для целей дальнейшего сопоставления уровней доминирования мы будем проводить анализ с ис- пользованием следующих инструментов: 1. Индексы концентрации (CR — Concentration Ratio) для оценки уровня остроты конкуренции в отрасли. 2. Коэффициент Линда (L) — для выделения доминирующих групп на рынке и расчета соответствующего индекса CR. 3. Коэффициент Холла—Тайдмана по группе лидеров — для опре- деления уровня дифференциации внутри группы доминирующих альфа-компаний, определенных по коэффициенту Линда. 4. Построение матрицы «Доля рынка альф vs Дифференция альф» — матрицы SV (сила всех альф на рынке (Strength) и их разнообразие (Variety). 142 Индексы концентрации (CR) — острота конкуренции на рынке Concentration ratio (CR) — это индекс (или коэффициент) концен- трации, который рассчитывается как сумма долей первых N компаний на рынке и характеризует остроту конкуренции. В случае монополии ин- декс равен 100%, в случае свободной конкуренции при бесконечном (в тео- рии) количестве фирм равен нулю. В качестве примера рассмотрим индекс концентрации компаний на российском рынке консалтинга в 2020 г., ко- торый оценивался в 104,7 млрд руб. и состоял из 196 компаний, по данным рейтингового агентства RAEX (ООО «Рейтинговое агентство Эксперт». https://raex-a.ru/rankingtable/consult/2020/main). Особенности данного источника данных в следующем: он составлен на основе данных, которые предоставляют сами ком- пании (а не основе данных, например, публичной бухгалтерской отчетности), что дает возможность вычленить выручку по опреде- ленному направлению бизнеса из общей выручки; дает консолидированные данные по группам зависимых компаний, которые в рамках теории экономического доминирования называ- ют альфа-империями (Вертоградов, 2020), так как они действуют на рынке согласованно с головной альфа-компаний и имеют доступ к ее ресурсам и институциональным преимуществам. В дальней- шем для сопоставимости информации будут использованы данные ренкингов РАЕХ по отраслям консалтинга (1), аудита (2), аутсор- синга (3) и информационных технологий (4), а также некоторым подотраслям. Таблица 1 |